سال انتشار: ۱۳۹۰

محل انتشار: دومین کنفرانس ملی پژوهشهای کاربردی منابع آب ایران

تعداد صفحات: ۹

نویسنده(ها):

مهدی نیکزاد – دانش آموخته کارشناسی ارشد مهندسی منابع آب گروه مهندسی آبیاری و زهکشی
سیدمحمودرضا بهبهانی – دانشیاران گروه مهندسی آبیاری و زهکشی پردیس ابوریحان دانشگاه تهران
علی رحیمی خوب – دانشیاران گروه مهندسی آبیاری و زهکشی پردیس ابوریحان دانشگاه تهران

چکیده:

خشکسالی یک پدیده نرمال اقلیمی است و وقوع آن اجتنابناپذیر میباشد. پیش بینی خشکسالی میتواند نقش مهمی درمدیریت منابع آبی و بهرهبرداری بهینه ازآنها ایفا کند. هدف اصلی این تحقیق بررسی امکان استفاده از سیگنالهای بزرگ مقیاساقلیمی و دمای سطوح آبی خلیجفارس و دریای سرخ در پیشبینی خشکسالی توسط شبکهعصبیمصنوعی در ایستگاه اهواز میباشد. شبکهای از نوع پرسپترون چندلایه برای بازیابی نگاشت غیرخطی میان سیگنالهای بزرگ مقیاس NAO ،PDO ،PNA ،MEI ،SOI)دمای سطوح آبی (خلیج فارس و دریای سرخ) و خشکسالی ماهانهSPI)طراحی و پیشبینیها توسط ۱۰ مدل برای دورههای یک تا ۲۴ ماهه با فواصل سه ماهه انجام شد که سیگنالهای مذکور، اطلاعاتبارندگی و سری زمانی گذشته خود شاخصها به عنوان ورودی و شاخصSPIبه عنوان خروجی مدلها تعریف شدند.نتایج نشان داد که سیگنالهایNAO و PDO ،PNA ،MEI ،SOIقابلیت پیشبینی خشکسالی را ندارند و دمای سطوح آبی نیزدر برخی دورهها ۱و۶و۱۲و۱۸و۲۴ ماهه) عملکرد خوبی از خود نشان دادند. افزودن سیگنالها به اطلاعات ماه-های قبل شاخصSPIسبب بهبود پیشبینیها گردید. با افزایش تعداد ورودیهای شبکه و استفاده از اطلاعات ماه مورد نظر پیشبینی از آمار مشابه آن ماه از سال قبل، عملکرد شبکه بطور قابل ملاحظهای افزایش پیدا کرد. نتایج بهترین مدل نشان داد که در اکثر مواقع شبکه عصبی مصنوعی بیش از ۶۰ درصد، طبقه وضعیت شاخص خشکسالی مشاهداتی را درست پیشبینی کرده است. بنابراین شاخصهای استفاده شده در این تحقیق، میتوانند به عنوان هشدار دهنده خشکسالی در ایستگاه اهواز استفاده شوند